2019.5.14猫狗训练集

一、在小型数据集上从头开始训练一个卷积神经网络
1.下载数据
将图像复制到训练、验证和测试的目录
original_dataset_dir = ‘/Users/fchollet/Downloads/kaggle_original_data’
base_dir = ‘/Users/fchollet/Downloads/cats_and_dogs_small’
os.mkdir(base_dir)
train_dir = os.path.join(base_dir, ‘train’)
os.mkdir(train_dir)
我们来检查一下，看看每个分组（训练 / 验证 / 测试）中分别包含多少张图像
print(‘total training cat images:’, len(os.listdir(train_cats_dir)))
total training cat images: 1000
2构建网络
将猫狗分类的小型卷积神经网络实例化
from keras import layers
from keras import models
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation=‘relu’,
input_shape=(150, 150, 3)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation=‘relu’))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation=‘relu’))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(128, (3, 3), activation=‘relu’))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Flatten())
model.add(layers.Dense(512, activation=‘relu’))
model.add(layers.Dense(1, activation=‘sigmoid’))
2.1配置模型用于训练
from keras import optimizers
model.compile(loss=‘binary_crossentropy’,
optimizer=optimizers.RMSprop(lr=1e-4),
metrics=[‘acc’])
3.　数据预处理

1. 读取图像文件。
   (2) 将 JPEG 文件解码为 RGB 像素网格。
   (3) 将这些像素网格转换为浮点数张量。
   (4) 将像素值（0~255 范围内）缩放到 [0, 1] 区间（正如你所知，神经网络喜欢处理较小的输
   入值）。
   使用 ImageDataGenerator 从目录中读取图像
   from keras.preprocessing.image import ImageDataGenerator
   train_datagen = ImageDataGenerator(rescale=1./255)
   test_datagen = ImageDataGenerator(rescale=1./255)
   train_generator = train_datagen.flow_from_directory(
   train_dir,
   target_size=(150, 150),
   batch_size=20,
   class_mode=‘binary’)
   validation_generator = test_datagen.flow_from_directory(
   validation_dir,
   target_size=(150, 150),
   batch_size=20,
   class_mode=‘binary’)
   for data_batch, labels_batch in train_generator:

print(‘data batch shape:’, data_batch.shape)
print(‘labels batch shape:’, labels_batch.shape)
break

3.3.利用批量生成器拟合模型
history = model.fit_generator(
train_generator,
steps_per_epoch=100,
epochs=30,
validation_data=validation_generator,
validation_steps=50)
二、、AlexNet对猫狗数据进行训练
例子
三、vgg16对猫狗数据集训练